تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی

Authors

  • احمد فاخری‌فرد دانشکده کشاورزی دانشگاه تبریز
  • سمیرا طلوعی دانشکده کشاورزی دانشگاه تبریز
  • علی حسین زاده دلیر دانشکده کشاورزی دانشگاه تبریز
Abstract:

پدیده انتقال رسوب در رودخانه­ها از پیچیده­ترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب می­باشد. یکی از مشکلات عمده که سازه­های هیدرولیکی بنا شده در یک رودخانه را تهدید می­کند مسأله انتقال و انباشت رسوبات می­باشد. لذا ارائه­ی راهکارهای نوین جهت برآورد دقیق بار معلق عبوری از مقاطع مختلف رودخانه­ها در مقیاس­های زمانی مختلف، نقش بسزایی در پیشبرد صحیح مطالعات مهندسی رودخانه خواهد داشت. نظر به اینکه آماربرداری رسوب معلّق در اکثر ایستگاه­های رسوب سنجی کشور در مقیاس زمانی روزانه و به صورت نامنظّم انجام می­پذیرد در صورت نیاز به تخمین رسوبات معلق ماهانه در یک مقطع مشخص از رودخانه، لازم است این برآورد با استفاده از مدل­های زمانی و مکانی دقیق­تر انجام پذیرد. در تحقیق حاضر با استفاده از شبکه عصبی مصنوعی و علم زمین آمار و با ادغام آنالیز سری­های زمانی با آنالیز سری­های مکانی به ارائه یک مدل جامع، جهت تخمین بار معلق ماهانه در طول رودخانه آجی­چای اقدام گردیده است. بدین منظور با استفاده از شبکه عصبی مصنوعی اقدام به داده سازی منطقی در مقیاس زمانی ماهانه نموده و به وسیله تخمینگرهای تک پارامتری کریجینگ و چند پارامتری کوکریجینگ با منظور نمودن دبی جریان به عنوان پارامتر کمکی، مقدار بار معلق رسوبی ماهانه، در طول رودخانه آجی چای برآورد گردیده است. نتایج نشان دادند ضمن معتبر بودن هر دو مدل کریجینگ و کوکریجینگ در منطقه مورد مطالعه روش کوکریجینگ  در مقایسه با روش کریجینگ در برآورد مکانی بار معلق ماهانه نتایج بهتری را ارائه می­دهد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دسته‌بندی‌شده

بار رسوب جریان، شاخص مفیدی در پیش‌بینی فرسایش خاک در حوزه‌های آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب می‌تواند در مدیریت و اجرای پروژه‌های آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دسته‌بندی داده‌ها به‌عنوان راه‌کاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانه‌های خلیفه‌ترخان و چهل‌گزی در حوضۀ قشلاق...

full text

مقایسه روشهای شبکه های عصبی مصنوعی، فازی-عصبی تطبیقی و منحنی سنجه رسوب در برآورد رسوبات معلق رودخانه ها (مطالعه موردی: رودخانه آجی چای)

ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانهها در پروژههای آبی، مهندسی رودخانه و آبیاریکاربردهای فراوانی دارد. به دلیل تأثیر پارامترهای مختلف بر انتقال رسوبات در رودخانهها، تعیین معادلات حاکم برآن مشکل بوده و مدلهای ریاضی نیز در این راستا از دقت کافی برخوردار نیستند. امروزه استفاده از سیستمهایهوش مصنوعی به عنوان راهکاری جدید در تحلیل مسائل آبی، گسترش یافته است. در تحقیق حاضر منطق فازی-ع...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 21  issue 4

pages  93- 104

publication date 2011-11-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023